HBase Compaction策略

HBase Compaction旨在减少StoreFile的数量，提高读取效率，HBase提供了如下compact策略：

StripeCompactionPolicy

Stripes表示条纹，意为将Region分为多个条纹区间分别做compact，类似于将Region分为多个Sub-Region。

适用场景：

1. Region较大：相对于较小的Region而言，对MemStore和Region的管理带来的负担更小。
2. 新产生的行键不均匀分布在各Region：如基于时间序列的行键生成方式，新生成的数据行均分布在Region的同一个Sub-Region区间，只有新产生的那一部分行键相关数据会被合并，旧的数据行会很少合并或者根本不合并。

DateTieredCompactionPolicy

按时间分层合并，顾名思义，该合并策略与时间相关，适用于数据写入基于时间产生且无更新删除，数据读取会指定数据读取区间，并且读取新产生的数据的频率较大。

按时间分层合并策略通过感知需要合并的HFile的数据写入相关时间戳，并不会将新老数据合并为一个大的HFile，而是按时间分层结构来组织合并HFile，所以不同时间写入的相邻行键数据可能被放入不同的HFile，这样对基于时间区间的扫描效率是一个很大的提升，但是对基于行键的区间扫描效率会是一个很不友好的策略。

RatioBasedCompactionPolicy

基于比列的合并策略，该策略在0.98版本之前是HBase默认的策略，之后的版本使用了基于比例策略的一个改进版本（ExploringCompactionPolicy），如果是Major合并，那么该策略会将所有的StoreFile文件合并为一个大的文件，如果是Minor合并，使用如下策略选择需要合并的文件：

前提：假设最老的StoreFile文件大小最大，选择待合并的文件按时间排序，最旧的文件排最前。

配置项hbase.hstore.compaction.ratio合并参数，命名为R

配置项hbase.hstore.compaction.min最小待合并文件数，命名为A。

配置项hbase.hstore.compaction.max最大待合并文件数，命名为B。

配置项hbase.hstore.compaction.min.size最小合并文件总大小，命名为C，以R=0.1，A=3，B=5，C=20，待合并的文件为O=[50,40,30,30,20,10,5]为例子

1. 计算一个待合并文件总大小的数组fileSizes[i,i+A-1) ，得到X = [150, 120, 90, 65, 35, 15, 5]。
2. 从旧到新文件，逐一判断文件大小是否满足 fileSizes[i] > Math.max(C, (X[i + 1] * R)) ，当条件不满足后，i即为待合并的文件开始位置，该步骤是为了过滤掉大的文件，此处得到i=4。
3. 最后得到需要合并的文件列表为O.subList(4,O.size-1)，得出结果为[20, 10, 5]。

简化后的代码片段如下所示

package com.mt.hbase.chpt07.compact;

import java.util.Arrays;
import java.util.LinkedList;
import java.util.List;

/**
 * @author pengxu
 * @Date 2018/12/9.
 */
public class RatioCompactPolicy {

    public static List<integer> applyCompactionPolicy(List<integer> candidates , boolean mayBeStuck){
        int minFileToCompact = 3;
        int maxFileToCompact = 5;
        int minCompactSize = 20;
        double ratio = 0.1;
        int start = 0;
        // get store file sizes for incremental compacting selection.
        final int countOfFiles = candidates.size();
        long[] fileSizes = new long[countOfFiles];
        long[] sumSize = new long[countOfFiles];
        for (int i = countOfFiles - 1; i >= 0; --i) {
            fileSizes[i] = candidates.get(i);
            // calculate the sum of fileSizes[i,i+maxFilesToCompact-1) for algo
            int tooFar = i + maxFileToCompact - 1;
            sumSize[i] = fileSizes[i] + ((i + 1 < countOfFiles) ? sumSize[i + 1] : 0) - ((tooFar
                    < countOfFiles) ? fileSizes[tooFar] : 0);
        }

        while (countOfFiles - start >= minFileToCompact &&
                fileSizes[start] > Math.max(minCompactSize, (sumSize[start + 1] * ratio))) {
            ++start;
        }
        if (start < countOfFiles) {
            System.out.println("Default compaction algorithm has selected " + (countOfFiles - start)
                    + " files from " + countOfFiles + " candidates");
        } else if (mayBeStuck) {
            // We may be stuck. Compact the latest files if we can.
            int filesToLeave = candidates.size() - minFileToCompact;
            if (filesToLeave >= 0) {
                start = filesToLeave;
            }
        }
        System.out.println("sumSize=" + Arrays.toString(sumSize));
        System.out.println("start=" + start);
        candidates.subList(0, start).clear();
        System.out.println("fileToCompact =" + candidates);
        return candidates;
    }

    public static void main(String[] args) {
        int[] candidateIntArray = new int[] { 50, 40, 30, 30, 20, 10, 5 };
        List<integer> candidateList = new LinkedList<integer>();
        for(Integer candidate : candidateIntArray){
            candidateList.add(candidate);
        }
        applyCompactionPolicy(candidateList,true);

    }

}

ExploringCompactionPolicy

该策略继承自RatioBasedCompactionPolicy，其选择待合并的文件列表算法非常简单，即根据上述参数（最小待合并文件数、最大待合并文件数、合并参数、合并文件总大小）组合计算出一个文件数最多，文件总数最小的文件区间组合，这个计算类似用一个滑动窗口去计算窗口内文件数量与大小的比例，文件越小数量越多则为最优解。

FIFOCompactionPolicy

该策略继承自ExploringCompactionPolicy，仅仅选择所有数据均已经过期的StoreFile文件进行合并，所以表的列族需要指定数据的TTL，故该合并策略仅适用于临时存储数据，经过后续处理后会被全部丢弃的场景。

HBase从1.2.X开始到2.0.X，默认的压缩策略都是RatioBasedCompactionPolicy，可以通过如下两种方式修改默认的压缩策略：

1. 修改hbase-site.xml配置项hbase.hstore.engine.class，该修改会应用到整个HBase集群。
2. 执行表修改语句alter 's_behavior', CONFIGURATION => {'hbase.hstore.engine.class' => 'rg.apache.hadoop.hbase.regionserver.DefaultStoreEngine'}，该修改方式只对语句指定的表生效